본 논문은 대규모 언어 모델(LLM)을 활용한 피싱 이메일 탐지 연구에서, 계산 비용을 줄이기 위해 소규모 매개변수(약 30억 개)를 가진 LLM의 효과성을 조사했습니다. 소규모 LLM은 성능이 저조하다는 문제점을 해결하기 위해, 프롬프트 엔지니어링, 설명 증강 미세 조정, 모델 앙상블 등의 방법을 제시하고 실험을 통해 검증했습니다. 그 결과, SpamAssassin과 CEAS_08 데이터셋에서 정확도와 F1 점수를 크게 향상시켰으며, 여러 미지의 피싱 데이터셋에서도 강력한 전이 성능을 보이며 기존 기준 모델들을 능가하고 표준 크기의 LLM에 근접하는 성능을 달성했습니다.
